9月16日，在北京举行的“火山引擎增长沙龙-人工智能专场” 上，火山引擎智能视频编辑相关技术人员出席活动，详细讲解了字节跳动音视频编辑中间件非线性编辑器的核心原理。
火山引擎认为，对于任何一款移动端APP产品来说，优质的内容生态都离不开优秀的创作者，也离不开优秀的工具加持。火山引擎的非线性编辑器采用了一种新型的“数据驱动模型”。与传统的事件驱动范式相比，这一模型通过对五种模型的组合使用，即可实现各种各样的编辑能力。
那么，在这一“新潮”的产品理念的背后，原理是怎样的呢?为什么更改一些数据或模型，就可以最终影响视频生成的效果呢?它背后的引擎是如何操作、如何与数据关联起来的呢?
火山引擎智能视频编辑相关技术人员在讲解中表示，在编辑器中，如果将定义的模型抽象开来，可以认为它是一棵树，其根接点就是NLEModel，在它的字节点下面可以定义不同的Track，Track下面又可以定义不同的片段Slot，每个Slot可以定义它的资源。基于这一基础，再去做最终引擎的操作和数据的对应就非常方便。
在编辑过程中，用户对视频编辑的每一次操作都会生成一棵新的树，有了这棵新的树之后，再和原始的树做对比，就知道这个中间发生了哪些过程，最终要呈现给用户的是一种什么样的形态。
详细来说，本来这棵树的每个节点定义了两个属性，一个是name，一个是ID。name相同，ID发生了变化，说明它的属性或者它的子节点发生了变化。举例来说，如果拿原始的树跟生成的新树进行对比，发现前者的NLETrack2没有了，但多了一款NLETrack3，就可以知道，它删掉了Track2，添加了Track3。那么，基于这些增量的信息，就可以对整个模型进行一次增量的重演，就达到了数据和底层引擎的映射。
此外，redo/undo的实现是另一个关键操作。用户在添加完轨道以后，每一次都会基于当前的状态生成一个新树。此时这个树处于只读状态，当用户操作完之后、需要生成redo/undo记录点时，就可以调用done的方法，编辑器就会把这棵树包装成NLECommit，存储到redo/undo队列里面。之后用户切换不同的状态，撤销重做这些动作实际上是切换不同的NLECommit，将其对应的树做一次重演就达到了恢复的状态。
基于用户的实际需求，火山引擎在编辑器中还对Commit和done做了分离。具体出发点很简单，以调节滤镜为例，用户在一次调节中可能做了多次尝试，最终确定了某种效果。但如果想要恢复的时候，用户并不需要记录中间的每一次操作，只需要知道他做了“一次”滤镜调节的动作即可。
所以正是基于这一理解，火山引擎在redo/undo队列里面存储了不同的数据模型，这些数据模型可以非常方便的做序列化和反序列化存储本地的草稿。换句话说，草稿里面已经存储好了它的redo/undo的功能，所以它是一个非常完整的从草稿到当时编辑状态的模式。这也正是火山引擎视频编辑器的另外一个特点。
据悉，火山引擎增长沙龙邀请了火山引擎内部技术专家，从技术、产品、 应用和体验4大维度，剖析智能互动特效和智能编辑在泛娱乐行业中的业务增长逻辑，探讨泛娱乐行业增长的新引擎。未来，火山引擎还会继续将成熟的技术探索、实践经验和产品方法论分享给行业，共创行业技术繁荣。
